CPU、記憶體、載板與電源為何同步呈現供應緊俏？

Question

Accepted Answer

AI運算瓶頸已從GPU擴散至CPU、記憶體、載板與電源，供應鏈的交期成為決定AI部署規模的關鍵

AI運算需求正從過去聚焦於圖形處理器（GPU）與高頻寬記憶體（HBM）的訓練階段，擴散至包括伺服器中央處理器（CPU）、記憶體（DRAM）、印刷電路板（PCB）中的載板，以及電源供應器等整體伺服器基礎設施。這使得AMD CPU的交期拉長至8至10週，英特爾CPU則長達6個月，整體伺服器平均交期已超過8至12週，產業趨勢已從「需求決定增長」轉變為「供應決定能交付多少」。
CPU角色演進，從輔助轉為AI推理核心

傳統上，GPU被視為AI訓練的心臟，負責大規模並行計算，而CPU則主要處理操作系統、數據讀取與任務調度等輔助性工作。然而，隨著AI應用進入推理（Inference）與Agentic AI階段，CPU的重要性與日俱增。Agentic AI強調自主性與協調能力，CPU需要承擔更為複雜的數據處理、龐大資料庫的即時查詢、多模組任務的精確編排，以及底層基礎設施的監管與管理。例如，英特爾執行長陳立武已指出，其至強（Xeon）處理器需求持續超出供應，並已與谷歌等大客戶簽訂多年長期採購協議（LTA），以鎖定未來數年的供應量。超微半導體（AMD）亦預估，到2030年伺服器CPU市場規模將突破1200億美元，其中Agentic AI將是主要推動力。
記憶體、載板與電源的結構性緊俏

記憶體（DRAM）的供應緊俏，與AI模型規模的擴大及數據處理需求的增加直接相關。更大的模型需要更多的記憶體來儲存參數與中間計算結果。載板，作為伺服器主機板上的關鍵連接元件，其複雜度與製程要求亦隨AI伺服器的高密度、高速傳輸需求而提升，高階載板的產能受限，加劇了供應鏈的壓力。電源供應器方面，AI伺服器由於需要驅動多顆高性能GPU及CPU，整體功耗大幅攀升，對電源模組的穩定性、效率與功率密度提出了更高要求，這也導致高功率、高效率的伺服器電源供應器成為新的瓶頸。TrendForce的報告已明確指出，CPU、記憶體、載板與電源等關鍵零組件的供應持續緊張，顯示AI算力的瓶頸已不再局限於GPU，而是全面擴散至伺服器整體的硬體架構。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

CPU、記憶體、載板與電源為何同步呈現供應緊俏？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友